考慮用戶停電損失的微網(wǎng)網(wǎng)架規(guī)劃

郭 賢 郭 賀 程浩忠 Masoud Bazargan 梁武星

（1.上海交通大學(xué)電力傳輸與功率變換控制教育部重點實驗室 上海 200240 2.上海發(fā)電設(shè)備成套設(shè)計研究院電氣研究所 上海 200240 3.阿爾斯通電網(wǎng)集團研究與技術(shù)中心 英國 ST17 4LX）

1 引言

在能源危機和環(huán)境污染的社會大背景下，傳統(tǒng)的集中大規(guī)模電力系統(tǒng)難以實現(xiàn)電能的清潔生產(chǎn)和能源利用效率的最大化，滿足人們?nèi)找嬖鲩L的對供電可靠性和電能質(zhì)量的需求。于是，經(jīng)濟、高效、可靠的分布式發(fā)電（Distributed Generation，DG）技術(shù)應(yīng)運而生。但DG 的大量接入電網(wǎng)，增加了負荷預(yù)測的不確定性因素、產(chǎn)生了雙向潮流、引起短路電流上升等。因而，作為一種集成DG 的良好解決方案，微網(wǎng)成為研究熱點[1-6]。

國內(nèi)外學(xué)者對于微網(wǎng)規(guī)劃進行了一系列的研究[7-11]，主要集中在DG 的選址定容模型的建立和求解，目前對微網(wǎng)網(wǎng)架規(guī)劃的研究還較為匱乏、尚未全面展開。其中，文獻[7]通過非線性規(guī)劃與模擬退火算法相結(jié)合，求解了微網(wǎng)中DG 的最優(yōu)布置問題；文獻[8]以網(wǎng)絡(luò)年費用最小化為優(yōu)化目標(biāo)，建立了微網(wǎng)中各設(shè)備的最優(yōu)配置模型；文獻[9]建立了中壓配電網(wǎng)中DG 最優(yōu)布置的規(guī)劃模型，并采用遺傳算法求解；文獻[10]基于技術(shù)和經(jīng)濟因素的考慮，建立了網(wǎng)絡(luò)饋線中DG 最優(yōu)布點定容的規(guī)劃模型；文獻[11]綜合可靠性約束，采用動態(tài)規(guī)劃法求解了網(wǎng)架規(guī)劃的模型。但為了簡化問題的求解，其采用了線性化的優(yōu)化模型，難以準(zhǔn)確反應(yīng)網(wǎng)絡(luò)的非線性特點。

因而，本文在DG 布點定容已經(jīng)確定的前提下，借鑒常規(guī)網(wǎng)絡(luò)的網(wǎng)架規(guī)劃方法，綜合微網(wǎng)自身的特性，不僅建立了微網(wǎng)最優(yōu)網(wǎng)架的規(guī)劃模型，且考慮了用戶停電損失的影響，采用改進的遺傳算法進行求解。通過29 節(jié)點的微網(wǎng)算例驗證了規(guī)劃模型及算法的可行性。

2 微網(wǎng)網(wǎng)架規(guī)劃的特點

微網(wǎng)網(wǎng)架規(guī)劃是在給定DG 接入位置和容量的前提下，確定最優(yōu)的網(wǎng)架方案，在滿足安全可靠供電的基礎(chǔ)上，使微網(wǎng)的運行年費用最小。微網(wǎng)中由于接入了容量較大的DG，呈現(xiàn)出與常規(guī)網(wǎng)絡(luò)規(guī)劃不同的特點：

（1）增加的不確定因素。風(fēng)機、光伏等DG 形式，受氣候等自然條件的影響較大，其出力具有很大的隨機性、間歇性，增加了規(guī)劃和運行的不確定因素。

（2）增強的供電可靠性。當(dāng)大電網(wǎng)出現(xiàn)短路、斷線故障或大電網(wǎng)的電能質(zhì)量水平難以滿足微網(wǎng)中重要負荷的需求時，微網(wǎng)可通過公共連接點（PCC）斷開與大電網(wǎng)的連接孤立運行，從而提高了重要用戶供電的可靠性水平。

（3）允許更大容量DG 的接入。為了實現(xiàn)DG綜合利用效率的最大化，減少因潮流分布不合理帶來的網(wǎng)損增加等問題，需要設(shè)計合理的網(wǎng)架結(jié)構(gòu)，如采用以DG 為電源點輻射附近的重要負荷，然后再與PCC 連接的改進輻射狀供電模式等。

（4）靈活的運行方式。微網(wǎng)既可以與大電網(wǎng)并聯(lián)運行，也可以有計劃地孤島運行，具有靈活多變的運行方式。這就要求規(guī)劃設(shè)計人員在進行微網(wǎng)網(wǎng)架規(guī)劃時，既要使設(shè)計的網(wǎng)架能夠滿足并網(wǎng)微網(wǎng)的功率傳輸、供電可靠性水平等要求，又要充分考慮到切換為孤島模式時系統(tǒng)的運行狀態(tài)，從而增加網(wǎng)架的適應(yīng)性，獲得綜合層面的優(yōu)化。

考慮到上述微網(wǎng)規(guī)劃的特點，本文在建立微網(wǎng)網(wǎng)架規(guī)劃的模型時，均進行了相應(yīng)的處理。具體如下：

（1）對于不確定因素的增加，本文將負荷和DG的時序特性納入規(guī)劃模型中，所擬合的出力曲線更加符合工程實際。

（2）對于增強的供電可靠性，本文引入了用戶停電損失這一指標(biāo)，用來衡量微網(wǎng)的可靠性水平。

（3）對于更大容量的DG 接入，本文在初始條件設(shè)置時就加以考慮，設(shè)定DG 的安裝容量能夠滿足孤島時微網(wǎng)中重要負荷的供電需求，在此基礎(chǔ)上，進行微網(wǎng)網(wǎng)架的規(guī)劃。

（4）對于靈活的運行方式，由于并網(wǎng)運行為微網(wǎng)的常態(tài)，出現(xiàn)更為頻繁，因而本文對并網(wǎng)微網(wǎng)的網(wǎng)架進行規(guī)劃，對孤島時的場景進行校驗。

基于以上考慮，本文建立了考慮用戶停電損失的微網(wǎng)網(wǎng)架規(guī)劃模型。首先，將對用戶停電損失的計算方法進行詳細的闡述。

3 用戶停電損失計算

作為評價供電網(wǎng)絡(luò)可靠程度的重要指標(biāo)，用戶停電損失是指電力短缺時帶來的經(jīng)濟成本，包括對用戶造成的經(jīng)濟損失和電力部門自身因停電造成的經(jīng)濟損失，主要受用戶的類別、停電發(fā)生的時間、停電頻率和停電持續(xù)時間的影響[12,13]。

（1）用戶的類別。用戶一般可分為生活用電類用戶、工業(yè)類用戶、商業(yè)類用戶及其他用戶四大類，其用電方式和停電特性不同，造成了不同的用戶停電損失費用。

（2）停電發(fā)生的時間?？紤]到用戶用電的時間性、季節(jié)性較為明顯，停電發(fā)生的時間不同，帶來的停電損失不同。典型類型用戶的負荷時序曲線如圖1 所示。由圖1 可知，當(dāng)停電發(fā)生在不同的時刻時，用戶的負荷大小不同，因故障帶來的停電量不同，從而造成了用戶停電損失的差異。

圖1 典型類型用戶的負荷時序曲線Fig.1 Load curve of typical customer

（3）停電頻率。當(dāng)系統(tǒng)供電可靠性較差、帶來電力不足的次數(shù)增多時，造成的損失愈加嚴(yán)重。

（4）停電持續(xù)時間。一般而言，用戶停電損失與停電持續(xù)時間成正比關(guān)系。

本文中對于上述4 個因素均進行了相應(yīng)考慮。以某典型日負荷時序曲線為研究對象，對于某個特定用戶來說，其在第k個時段線路l發(fā)生故障情況下的停電損失費用CT(l,k)

若不考慮用戶的時序特性，則某個特定用戶在線路l發(fā)生故障情況下的停電損失費用CT(l)為

式中，Cij為對應(yīng)于第i類用戶停電持續(xù)時間j小時的單位停電損失費用C（元/kW·h）；PT(k)為停電發(fā)生在第k時段時停電功率（kW）；PT為停電功率（kW）；tT為停電持續(xù)時間（h）。C的典型取值見表1[12]。

表1 單位停電損失費用C 典型取值Tab.1 Typical value of unit outage costs C （單位：元/(kW·h)）

4 微網(wǎng)網(wǎng)架規(guī)劃建模

本文綜合考慮了微網(wǎng)供電的可靠性和經(jīng)濟性，以達到最優(yōu)網(wǎng)架結(jié)構(gòu)。具體的規(guī)劃模型如下。

4.1 目標(biāo)函數(shù)

本文微網(wǎng)網(wǎng)架規(guī)劃問題的決策變量為網(wǎng)架結(jié)構(gòu)，即各節(jié)點間可能出現(xiàn)的支路，為了與遺傳算法相配合，采用特定的編碼方式來表達。目標(biāo)函數(shù)方面，采用最小化網(wǎng)絡(luò)年費用作為優(yōu)化目標(biāo)，包括線路投資、網(wǎng)絡(luò)損耗成本費用和用戶停電損失，如式（3）所示。

式中，α為年費用折算系數(shù)，為固定值（元/kW·h）；CLine為線路投資費用的等年值（元）；ELoss為年網(wǎng)絡(luò)損耗電量（kW·h）；Cmp為用戶年停電損失費用（元）。CLine、ELoss和Cmp的計算公式如式（4）～式（6）所示。

式中，r為電力工業(yè)年投資回收率（貼現(xiàn)率），取10%；n為線路經(jīng)濟使用年限（經(jīng)濟壽命），一般架空線路取30 年，電纜線路取40 年；FLine為線路的初始投資費用（萬元），PLoss(k)為規(guī)劃年網(wǎng)絡(luò)第k個時段的損耗有功功率（kW）；τ為最大年負荷損耗小時數(shù)，可通過最大負荷利用小時數(shù)Tmax與功率因數(shù)cosφ查表得到[14]；W為系統(tǒng)的節(jié)點數(shù)；m為支路條數(shù)；的計算公式詳見式（1）和式（2）。

4.2 約束條件

除考慮常規(guī)的網(wǎng)絡(luò)運行約束外，還考慮了網(wǎng)絡(luò)接線約束、微網(wǎng)可靠性水平約束。具體如下：

（1）節(jié)點功率平衡約束

式中，S(j)=i和e(j)=i分別表示以i為起點和終點的所有線路集；分別表示線路j上正、反向潮流。

（2）節(jié)點電壓約束

式中，Vi為節(jié)點i處的電壓幅值，Vi(min)和Vi(max)分別為節(jié)點電壓的下限和上限。

（3）線路輸送功率約束

式中，Sj為通過支路j的視在功率（kV·A）；Sj(max)為支路傳輸容量極限，通常取熱穩(wěn)定極限值。

（4）輻射狀網(wǎng)絡(luò)約束。從目前的研究成果看，由于微網(wǎng)中DG 的接入帶來了可靠性水平的明顯提升，沒有通過環(huán)狀接線進一步提高供電可靠水平的必要性，因而較多地采用輻射狀接線模式，需要滿足輻射狀網(wǎng)絡(luò)約束的要求。

（5）可靠性約束。根據(jù)用戶重要程度的不同，可靠性水平應(yīng)滿足不同的約束。網(wǎng)絡(luò)可靠性的評價指標(biāo)有多種，為簡化分析，本文采用供電不足期望值RT來表示[11]，可行方案應(yīng)滿足RT＜RT(max)。RT的計算公式如式（11）所示。

式中，Gij為第j條線路發(fā)生斷線故障時，節(jié)點i處的供電不足量的期望值（kW·h）；pj為第j條線路發(fā)生故障的次數(shù)（次/年）。其中，Gij的計算方法分為以下3 種情形：

情形1：第i個節(jié)點仍與PCC 相連，則節(jié)點負荷i的供電不足功率為0。

情形2：第i個節(jié)點不與PCC 相連，但其所在孤島中含有DG，則將孤島中的負荷按照重要程度從大到小排序，依次由DG 供電，由此求得負荷i的供電不足功率。

情形3：第i個節(jié)點不與PCC 相連，且其所在孤島中不含有DG，則其供電不足功率為負荷i的功率。

5 求解算法

遺傳算法是借鑒生物在自然環(huán)境中遺傳、進化過程而形成的一種自適應(yīng)全局優(yōu)化概率算法[15,16]，可以實現(xiàn)離散量的有效編碼，在求解網(wǎng)架規(guī)劃模型中具有優(yōu)良的表現(xiàn)，因而本文考慮采用遺傳算法求解規(guī)劃模型。遺傳算法實現(xiàn)的關(guān)鍵在于：①形成與優(yōu)化問題相契合的編碼方法；②采用具有全局尋優(yōu)能力的遺傳和變異策略；③建立能夠合理有效評價個體優(yōu)劣的適應(yīng)度函數(shù)。

本文采用的遺傳算法中，網(wǎng)架規(guī)劃方案的編碼方式、交叉變異方法以及適應(yīng)度函數(shù)參考文獻[15]。為了提高算法的計算效率，本文對于初始網(wǎng)架的形成進行了一定的改進：考慮線路投資費用在網(wǎng)絡(luò)年費用中所占比重較大，為了形成最優(yōu)網(wǎng)架，可以PCC到各負荷終端路徑之和最短為優(yōu)化目標(biāo)，采用Dijkstra 算法求解[17]。這樣可以為遺傳算法提供一個較優(yōu)的迭代初值，從而提高收斂速度和計算效率。改進遺傳算法的求解步驟如圖2 所示。

圖2 改進遺傳算法的流程圖Fig.2 Flow chart of improved GA

6 算例分析

為了驗證本文中提出的模型和算法的有效性，將上述規(guī)劃模型應(yīng)用于上海某居民小區(qū)中29 節(jié)點的微網(wǎng)區(qū)域，得出了相應(yīng)的微網(wǎng)網(wǎng)架方案。

6.1 原始數(shù)據(jù)

該網(wǎng)絡(luò)面積為8km2，電壓等級為10kV，現(xiàn)規(guī)劃接入了如表2 所示的DG，需要通過微網(wǎng)規(guī)劃確定最佳的布線方案（風(fēng)機和光伏的典型時序曲線如圖3和圖4 所示，潮流計算采用牛頓-拉夫遜法）。本算例的相關(guān)參數(shù)詳見表3。其中，節(jié)點1 為公共連接點，與上級配網(wǎng)進行連接。所采用的線路型號為架空線LGJ—185，電阻為0.17Ω/km，電抗為0.402 Ω/km，最大載流量為5 300kV·A，線路故障率取0.24 次·km/年。負荷功率因數(shù)為0.9，Tmax=5 000h。

表2 DG 接入節(jié)點的相關(guān)數(shù)據(jù)Tab.2 Data of DG

6.2 微網(wǎng)網(wǎng)架規(guī)劃方案與分析

首先，采用Dijkstra 法計算出初始網(wǎng)架如圖5所示。

圖3 典型日風(fēng)機出力的時序特性Fig.3 Time-sequence property of wind-turbine generation on a typical day

圖4 典型日光伏電池出力的時序特性Fig.4 Time-sequence property of PV generation on a typical day

表3 29 節(jié)點算例的原始數(shù)據(jù)Tab.3 Data of 29 nodes microgrid study case

圖5 Dijkstra 法得出的初始網(wǎng)架Fig.5 Initial architecture based on Dijkstra algorithm

采用改進的遺傳算法，設(shè)定交叉概率Pc=0.6、遺傳變異率Pm=0.5，種群規(guī)模為16，迭代30 次，得到的規(guī)劃方案如圖6a和表4 所示。為探究微網(wǎng)的網(wǎng)架特點，本文在同樣的參數(shù)設(shè)置下，進行了不含DG 的網(wǎng)架規(guī)劃（即傳統(tǒng)配網(wǎng)，方案2），其規(guī)劃方案如圖6b和表4 所示。

圖6 網(wǎng)架方案Fig.6 Diagram of planning architecture

表4 規(guī)劃方案的結(jié)果分析Tab.4 Results analysis of corresponding planning scheme

分析圖6 可知，不含DG 時，該區(qū)域為常規(guī)的分層輻射狀網(wǎng)絡(luò)連接方式，PCC 通過5 條線路與下級負荷相連；在該區(qū)域形成微網(wǎng)后，輻射狀網(wǎng)絡(luò)呈現(xiàn)了新的布局和特點，主要是以DG 為中心輻射到周圍負荷，然后再集中接入PCC，與PCC 直接相連的線路只有3 條。這體現(xiàn)了微網(wǎng)中DG 就地平衡負荷、減少系統(tǒng)網(wǎng)損的功能。該規(guī)劃方案的形成，對于實際工程項目中微網(wǎng)的網(wǎng)架規(guī)劃設(shè)計，具有一定的指導(dǎo)和借鑒意義。

6.3 規(guī)劃方案對比與分析

為了進行對比，探究微網(wǎng)的性能，本文還設(shè)置了其他兩種方案，基于本文提出的網(wǎng)架規(guī)劃模型，分別采用改進的遺傳算法求解，各規(guī)劃方案的結(jié)果見表4。4 種方案具體設(shè)置見表5，其中，各規(guī)劃方案的結(jié)果均滿足孤島運行的校驗，即常規(guī)網(wǎng)絡(luò)約束（功率平衡、節(jié)點電壓、支路潮流）、重要負荷供電可靠性約束等。

表5 規(guī)劃方案的設(shè)置Tab.5 Details of planning model

通過分析表4，可知：

（1）與規(guī)劃方案1 相比，方案2 的網(wǎng)絡(luò)損耗增加了9kW，停電量增加了4 160kW·h。這主要是由于方案1 有DG 接入，一方面使得負荷可以就近獲得電力供應(yīng)，減少了因功率遠距離傳輸而產(chǎn)生的網(wǎng)絡(luò)損耗；另一方面當(dāng)系統(tǒng)發(fā)生故障時，DG 可以與負荷形成孤島系統(tǒng)，為部分重要負荷提供不間斷的電力供應(yīng)，使得故障停電量有所下降，用戶的停電損失年費用相應(yīng)降低。此外，DG 接入需要額外的線路投資，方案1 的網(wǎng)架投資年費用略高于方案2?？傮w而言，微網(wǎng)系統(tǒng)大大降低了網(wǎng)絡(luò)年費用。

這表明，本文所提出的微網(wǎng)網(wǎng)架規(guī)劃方法具有可行性，充分體現(xiàn)了微網(wǎng)在提升系統(tǒng)總體經(jīng)濟性和可靠性上的重要作用。

（2）與方案1 相比，由于接入DG 以及可靠性約束的作用，方案3 的網(wǎng)絡(luò)損耗年費用和網(wǎng)架投資年費用與方案1 差距很小。然而方案3 中未將用戶停電損失加入優(yōu)化目標(biāo)，使得網(wǎng)架結(jié)構(gòu)沒有朝著最優(yōu)的總體網(wǎng)絡(luò)年費用（網(wǎng)損費用＋網(wǎng)架費用＋用戶停電損失費用）方向去調(diào)整，導(dǎo)致用戶停電損失費用相比方案1 增加了7.25 萬元，網(wǎng)絡(luò)運行年費用也高于方案1。

這表明，在微網(wǎng)網(wǎng)架優(yōu)化規(guī)劃中考慮用戶停電損失是有必要的。

（3）與方案1 相比，方案4 的網(wǎng)絡(luò)損耗增加了12.9kW，年停電量增加了1 679kW·h，網(wǎng)架投資年費用也有一定程度的升高。這主要是由于一方面方案4 沒有考慮負荷的時序特性，采用峰荷進行規(guī)劃，增大了功率傳輸過程中的損耗，停電量也相應(yīng)增大；另一方面，方案4 也沒有考慮DG 的時序特性，均按照DG 的額定出力來規(guī)劃，由于該網(wǎng)絡(luò)中DG 配置容量較大，DG 的功率得到了更為遠距離的傳輸，對于網(wǎng)絡(luò)損耗的增加也會有一定的影響。

這表明，相對于傳統(tǒng)配電網(wǎng)規(guī)劃中將系統(tǒng)置于年最大負荷場景的做法，在微網(wǎng)網(wǎng)架規(guī)劃中考慮負荷和DG 的時序特性，符合DG 出力的隨機性和間歇性特點，能夠更加充分地體現(xiàn)微網(wǎng)在提升系統(tǒng)供電可靠性、降低網(wǎng)絡(luò)損耗方面的優(yōu)良性能，對于更優(yōu)網(wǎng)架方案的獲得，具有重大的意義。

7 結(jié)論

基于微網(wǎng)自身特性和用戶停電損失衡量方法的研究，本文建立了考慮用戶停電損失的微網(wǎng)網(wǎng)架規(guī)劃模型，且采用改進的遺傳算法求解，得到了最小化網(wǎng)絡(luò)年費用的網(wǎng)架規(guī)劃方案，并對是否接入DG、是否考慮用戶停電損失、是否考慮負荷時序性等規(guī)劃方案進行了對比分析，所得結(jié)論如下：

（1）采用Dijkstra 法形成的初始網(wǎng)架，為遺傳算法的求解提供了較好的初值，使得規(guī)劃模型的求解效率大為提高。

（2）微網(wǎng)中由于接入了DG，在提高供電可靠性、降低網(wǎng)絡(luò)功率損耗和網(wǎng)絡(luò)年費用上面，具有較為明顯的優(yōu)勢。

（3）在微網(wǎng)的網(wǎng)架規(guī)劃中，引入考慮負荷時序特性的用戶停電損失費用，得出了在經(jīng)濟性和可靠性上更優(yōu)的網(wǎng)架規(guī)劃方案，對于微網(wǎng)的網(wǎng)架規(guī)劃和智能電網(wǎng)的建設(shè)具有重要的指導(dǎo)意義。

[1]盛鹍,孔力,齊智平,等.新型電網(wǎng)-微電網(wǎng)(Microgrid)研究綜述[J].繼電器,2007,35(12):75-81.Sheng Kun,Kong Li,Qi Zhiping,et al.A survey on research of microgrid-a new power system[J].Relay,2007,35(12):75-81.

[2]姚勇,朱桂萍,劉秀成.電池儲能系統(tǒng)在改善微電網(wǎng)電能質(zhì)量中的應(yīng)用[J].電工技術(shù)學(xué)報,2012,27(1):85-89.Yao Yong,Zhu Guiping,Liu Xiucheng.Improvement of power quality of micro-grids by battery energy storage system[J].Transactions of China Electrotechnical Society,2012,27(1):85-89.

[3]肖朝霞,方紅偉.含多分布式電源的微網(wǎng)暫態(tài)穩(wěn)定分析[J].電工技術(shù)學(xué)報,2011,26(S1):253-261.Xiao Zhaoxia,Fang Hongwei.Transient stability analysis of microgrids containing multiple micro sources[J].Transactions of China Electrotechnical Society,2011,26(S1):253-261.

[4]段玉兵,龔宇雷,譚興國,等.基于蒙特卡羅模擬的微電網(wǎng)隨機潮流計算方法[J].電工技術(shù)學(xué)報,2011,26(S1):274-278.Duan Yubing,Gong Yulei,Tan Xingguo,et al.Probabilistic power flow calculation in microgrid based on Monte-Carlo simulation[J].Transactions of China Electrotechnical Society,2011,26(S1):274-278.

[5]張犁,孫凱,吳田進,等.基于光伏發(fā)電的直流微電網(wǎng)能量變換與管理[J].電工技術(shù)學(xué)報,2013,28(2):248-254.Zhang Li,Sun Kai,Wu Tianjin,et al.Energy conversion and management for DC microgrid based on photovoltaic generation[J].Transactions of China Electrotechnical Society,2013,28(2):248-254.

[6]李振杰,袁越.智能微網(wǎng)—未來智能配電網(wǎng)新的組織形式[J].電力系統(tǒng)自動化,2009,33(17):42-48.Li Zhenjie,Yuan Yue.Smart microgrid:a novel organization form of smart distribution grid in the future[J].Automation of Electric Power Systems,2009,33(17):42-48.

[7]Vallem M,Mitra J,Patra S.Distributed generation placement for optimal micro-grid architecture[C].IEEE PES Transmission and Distribution Conference and Exhibition,2006:611-616.

[8]Asano H,Watanabe H,Bando S.Methodology to design the capacity of a micro-grid[C].IEEE International Conference on System of Systems Engineering,2007:1-6.

[9]Celli G.Optimal distributed generation allocation in MV distribution networks[J].IEEE Power Engineering Society International Conference on Power Industry Computer Applications,Sydney,Australia,2001,81-86.

[10]Kroposki B,Malmedal K.Optimum sizing and placement of distributed and renewable energy sources in electric power distributed systems[C].Industry Applications Society Annual Meeting,2009:1-10.

[11]Mitra J,Patra S,Ranade S.A dynamic programming based method for developing optimal microgrid architectures[C].Proceedings of the 15th Power System Computation Conference,2005:22-26.

[12]李蕊.配電網(wǎng)可靠性與重要電力用戶停電損失研究[D].北京:中國電力科學(xué)研究院,2010.

[13]肖峻,鐘華贊,于波.含微網(wǎng)城市配電網(wǎng)的抗災(zāi)型多場景規(guī)劃[J].電力系統(tǒng)保護與控制,2012,40(1):101-106.Xiao Jun,Zhong Huazan,Yu Bo.Multi-scenario anti-disaster planning for urban distribution network containing microgrid[J].Power System Protection and Control,2012,40(1):101-106.

[14]霍佳麗,王主丁,聶崇峽.電能損耗近似計算常用方法的誤差分析[J].電網(wǎng)技術(shù),2009,33(18):50-56.Huo Jiali,Wang Zhuding,Nie Chongxia.Error analysis of widely used electric energy loss calculation methods[J].Power System Technology,2009,33(18):50-56.

[15]王方方.基于改進遺傳算法的配電網(wǎng)規(guī)劃[D].上海:上海交通大學(xué),2010.

[16]Eduardo G Carrano,Luiz A E Soares,Ricardo H C Takahashi,et al.Electric distribution network multiobjective design using a problem-specific genetic algorithm[J].IEEE Transactions on Power Delivery,2006,21(2):995-1005.

[17]朱然,謝文,何海輝.基于圖論的配電網(wǎng)優(yōu)化方法[J].廣西輕工業(yè),2009(8):73-74.Zhu Ran,Xie Wen,He Haihui.Optimization methods for distribution network planning based on graph theory [J].Guangxi Journal of Light Industry,2009(8):73-74.

[18]葉萌.分布式電源的選址定容及其對配電網(wǎng)可靠性的影響分析[D].北京:華北電力大學(xué),2011.